論文の概要: Decision-Target Reversal under Informative Label Missingness

• arxiv url: http://arxiv.org/abs/2610.25128v1
• Date: Sun, 18 Oct 2026 09:18:34 GMT
• ステータス: 情報取得中
• システム内更新日: 2026-10-20 22:06:29.993226
• Title: Decision-Target Reversal under Informative Label Missingness
• Title（参考訳）: インフォーマティブなラベル不足下での意思決定目標逆転
• Abstract要約: 情報的部分分類は,一方の損失では好ましく,他方の損失では好ましくないことを示す。 我々はこの現象を決定目標逆転と呼んでいる。 以上の結果から, 良好な情報不足は, 展開決定に対する統計的実験の特性であることがわかった。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Informative label missingness can improve classification efficiency because the pattern of label availability may itself contain information about the discriminant structure. We show that this advantage need not persist across deployment objectives: with the data-generating model and statistical experiments held fixed, informative partial classification can be favourable under one loss and unfavourable under another. We call this phenomenon decision-target reversal. For binary Gaussian discrimination, we derive a local cost-sensitive excess-risk expansion and, in one dimension, obtain explicit critical cost ratios at which the first-order risk ordering reverses. We show that the required covariance geometry arises under finite uncertainty-dependent missingness mechanisms with a fixed marginal missing-label proportion. We then extend the analysis to multiclass finite-action problems through loss-specific active-boundary curvature, yielding a general decision-target frontier. Monte Carlo experiments illustrate the predicted reversals, and a descriptive gastrointestinal-lesion application with agreement-defined label availability illustrates sensitivity to deployment costs. The results show that favourable informative missingness is a property of the statistical experiment relative to the deployment decision, rather than of the experiment alone.
• Abstract（参考訳）: ラベルアベイラビリティーのパターン自体が識別構造に関する情報を含んでいる可能性があるため、インフォーマティブなラベル不足は分類効率を向上させることができる。 データ生成モデルと統計的実験が固定された状態では、情報的部分分類は1つの損失で好ましく、もう1つの損失では好ましくない。 我々はこの現象を決定目標逆転と呼んでいる。 二項ガウス判別では、局所的なコスト依存性の余剰リスク拡大を導出し、一次元では、一階のリスク順序が逆になる明確な臨界コスト比を得る。 所要の共分散幾何は、有限不確実性に依存した不確かさの機構の下で、固定された辺りの欠落-ラベル比で生じることを示す。 次に、損失特異的なアクティブ-バウンダリ曲率を通じて多クラス有限作用問題に解析を拡張し、一般的な決定対象フロンティアを得る。 モンテカルロの実験では、予測された逆転を例示し、合意付きラベルの可利用性を備えた記述的な消化器-摂動アプリケーションでは、デプロイメントコストに対する感受性が示される。 その結果, 情報不足は, 実験単独ではなく, 展開決定に対する統計的実験の特質であることが示唆された。

関連論文リスト

• Large Classification-Risk-Optional Label Acquisition [0.0]
  マルチクラスゼロワン分類リスクを最小限に抑えるため,ラベル付予算の配分方法を検討する。 我々は,正則性条件下で,オラクルの前リスク基準を達成できる2段階適応法を開発した。
  論文  参考訳（メタデータ） (2026-09-06T23:31:55Z)
• Semi-Supervised Classification with Informative Missing Labels in Weibull Mixture Models [2.5794915063815664]
  2成分のWeibull混合物から生じる部分分類標本から半教師付き分類を考察した。 欠落ラベルの確率は分類の不確実性の関数としてモデル化され、特徴に依存しない欠落ラベル機構を与える。 我々は,より少ない1次予測誤差率に対して,フィッシャー情報の正定的な増加が十分であるが必要ではないことを示す。
  論文  参考訳（メタデータ） (2026-09-01T06:06:53Z)
• Learning from Uncertainty-dependent Missing Labels for Semi-supervised Classification [2.5794915063815664]
  ラベルの欠落確率が観測された特徴に依存する半教師付き環境について検討する。 このような不確実性に依存しないラベルに対する可能性に基づく情報理論を開発した。
  論文  参考訳（メタデータ） (2026-08-25T01:40:47Z)
• Heuristic Pathologies and Further Variance Reduction via Uncertainty Propagation in the AIVAT Family of Techniques [62.94836578759359]
  AIVAT推定の不確かさを定量化するために、不確実性がどのように伝播できるかを示す。 実験では,1万本のポーカーハンドのデータセットを用いて,病態と不確実性を示す。
  論文  参考訳（メタデータ） (2026-05-14T02:04:26Z)
• Semi-Supervised Regression with Heteroscedastic Pseudo-Labels [50.54050677867914]
  両レベル最適化の観点から,疑似ラベルの影響を動的に調整する不確実性認識型擬似ラベル化フレームワークを提案する。 我々は、様々なベンチマークSSRデータセットにまたがって、我々のアプローチを検証するための理論的洞察と広範な実験を提供する。
  論文  参考訳（メタデータ） (2025-10-17T03:06:23Z)
• TrustLoRA: Low-Rank Adaptation for Failure Detection under Out-of-distribution Data [62.22804234013273]
  本稿では,共変量および意味的シフトの両条件下での拒絶による分類を統一し,促進する,単純な故障検出フレームワークを提案する。 キーとなる洞察は、障害固有の信頼性知識を低ランクアダプタで分離し、統合することにより、障害検出能力を効果的かつ柔軟に向上できるということです。
  論文  参考訳（メタデータ） (2025-04-20T09:20:55Z)
• Inference with non-differentiable surrogate loss in a general high-dimensional classification framework [4.792322531593389]
  仮説テストと区間推定を構築するために,カーネルスムーズな非相関スコアを提案する。 具体的には、不連続点近傍の不連続勾配を滑らかにするためにカーネル近似を採用する。 カーネルスムースなデコラートスコアとそのクロスフィットバージョンを高次元設定で限定分布として確立する。
  論文  参考訳（メタデータ） (2024-05-20T01:50:35Z)
• Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
  各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。 不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
  論文  参考訳（メタデータ） (2020-12-16T04:09:04Z)
• Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
  異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。 新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
  論文  参考訳（メタデータ） (2020-12-08T02:26:03Z)
• Localization Uncertainty Estimation for Anchor-Free Object Detection [48.931731695431374]
  アンカーベース物体検出のための既存の不確実性推定手法にはいくつかの制限がある。 アンカーフリー物体検出のためのUADと呼ばれる新しい位置推定不確実性推定手法を提案する。 本手法は,ボックスオフセットの4方向の不確かさを均一に捉え,どの方向が不確実であるかを判断する。
  論文  参考訳（メタデータ） (2020-06-28T13:49:30Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。